UAS Data Visualization

Tujuan Analisis

Tujuan dari analisis data ini adalah untuk mengeksplorasi dan memahami pola serta hubungan antar variabel dalam dataset. Visualisasi digunakan untuk menggambarkan distribusi data dan pola yang mungkin tidak terlihat hanya dengan tabel.

Visualisasi Data

Membaca Data

# Membaca Data
library(readxl)
Data <- read_excel("Data.xlsx")
View(Data)

Penjelasan:

1. library(readxl) memuat pustaka untuk membaca file Excel.
2. read_excel("Data.xlsx") membaca file Excel “Data.xlsx” dan menyimpannya dalam variabel Data.
3. View(Data) menampilkan data yang dibaca dalam tampilan visual di RStudio.

Grafik Univariat

Histogram

Histogram untuk Pendapatan_per_kapita

# Memuat library
library(ggplot2)

# Membuat histogram untuk Pendapatan_per_kapita
ggplot(Data, aes(x = Pendapatan_per_kapita)) +
  geom_histogram(colour= "lightblue", fill = "pink", size = 1, line = ".") +
  labs(title = "Distribusi Pendapatan per Kapita", x = "Pendapatan per Kapita", y = "Frekuensi") +
  theme_classic()

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

## Warning in geom_histogram(colour = "lightblue", fill = "pink", size = 1, :
## Ignoring unknown parameters: `line`

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Tahapan pembuatan grafik:

1. Memuat Library

Memuat pustaka ggplot2 yang digunakan untuk visualisasi data di R.

library(ggplot2)

2. Membuat Histogram

Histogram digunakan untuk menampilkan distribusi data dari satu variabel numerik, dalam hal ini Pendapatan_per_kapita. Pada tahap ini, kita mendefinisikan grafik menggunakan fungsi ggplot(), memilih variabel yang akan dianalisis, dan menentukan jenis grafik yang akan digunakan, yaitu geom_histogram().

• aes(x = Pendapatan_per_kapita): Menentukan bahwa sumbu X akan berisi data
  Pendapatan_per_kapita.

• geom_histogram(): Membuat histogram dengan garis luar berwarna biru muda (lightblue) dan isi histogram berwarna merah muda (pink).

3. Menambahkan Judul dan Label Sumbu

Untuk memberikan konteks yang lebih jelas pada grafik, kita menambahkan judul dan label pada sumbu X dan Y menggunakan fungsi labs().

• title: Memberikan judul yang informatif pada grafik, dalam hal ini, “Distribusi Pendapatan per Kapita”.

• x dan y: Memberikan label yang jelas pada sumbu X dan Y, yang membantu pembaca memahami variabel apa yang ditampilkan di masing-masing sumbu.

4. Menambahkan Tema

Untuk tampilan yang lebih bersih dan sederhana, kita menggunakan tema theme_classic(), yang memberikan latar belakang putih dan garis sumbu yang jelas.

5. Interpretasi Grafik

Grafik ini menggambarkan distribusi Pendapatan per Kapita dari data yang ada. Berdasarkan histogram yang ditampilkan, kita bisa melihat sebaran frekuensi dari berbagai rentang pendapatan per kapita. Misalnya, jika sebagian besar data terkonsentrasi di sisi kiri grafik, itu menunjukkan bahwa sebagian besar individu atau entitas dalam dataset memiliki pendapatan per kapita yang lebih rendah. Sebaliknya, jika data lebih terkonsentrasi di sisi kanan, itu menunjukkan adanya pendapatan yang lebih tinggi.

Grafik Bivariat

Scatter plot

Scatter plot antara Angka_Harapan_Hidup dan Pendapatan_per_kapita

# Memuat library
library(ggplot2)

# Membuat scatter plot antara Angka_Harapan_Hidup dan Pendapatan_per_kapita
ggplot(Data, aes(x = Pendapatan_per_kapita, y = Angka_Harapan_Hidup)) +
  geom_point(colour = "lightblue", alpha = 0.5) +
  labs(title = "Hubungan Antara Pendapatan per Kapita dan Angka Harapan Hidup", 
       x = "Pendapatan per Kapita", y = "Angka Harapan Hidup") +
  theme_classic()

Tahapan pembuatan grafik:

1. Memuat Library

Memuat pustaka ggplot2 yang digunakan untuk visualisasi data di R.

library(ggplot2)

2. Membuat Scatter Plot

Scatter plot digunakan untuk menampilkan hubungan antara dua variabel numerik, dalam hal ini Pendapatan_per_kapita dan Angka_Harapan_Hidup. Pada tahap ini, kita mendefinisikan grafik menggunakan fungsi ggplot(), memilih variabel yang akan dianalisis, dan menentukan jenis grafik yang akan digunakan, yaitu geom_point().

• aes(x = Pendapatan_per_kapita, y = Angka_Harapan_Hidup): Menentukan bahwa sumbu X akan berisi data Pendapatan_per_kapita dan sumbu Y akan berisi data Angka_Harapan_Hidup.

• geom_point(): Membuat scatter plot dengan titik data yang diberi warna biru muda (lightblue) dan tingkat transparansi (alpha) 0.5 untuk memberikan efek visual yang lebih halus.

3. Menambahkan Judul dan Label Sumbu

Untuk memberikan konteks yang lebih jelas pada grafik, kita menambahkan judul dan label pada sumbu X dan Y menggunakan fungsi labs().

• title: Memberikan judul yang informatif pada grafik, dalam hal ini, “Hubungan Antara Pendapatan per Kapita dan Angka Harapan Hidup”.

• x dan y: Memberikan label yang jelas pada sumbu X dan Y, yang membantu pembaca memahami variabel apa yang ditampilkan di masing-masing sumbu.

4. Menambahkan Tema

Untuk tampilan yang lebih bersih dan sederhana, kita menggunakan tema theme_classic(), yang memberikan latar belakang putih dan garis sumbu yang jelas.

5. Interpretasi Grafik

Grafik ini menggambarkan hubungan antara Pendapatan per Kapita dan Angka Harapan Hidup. Berdasarkan scatter plot yang ditampilkan, kita bisa melihat apakah ada korelasi antara kedua variabel tersebut. Misalnya, jika titik-titik data cenderung membentuk garis naik (positif), itu menunjukkan bahwa semakin tinggi pendapatan per kapita, semakin tinggi angka harapan hidup. Sebaliknya, jika tidak ada pola yang jelas atau jika titik-titik tersebar tanpa hubungan yang jelas, itu menunjukkan bahwa tidak ada korelasi yang kuat antara kedua variabel tersebut.

Bar chart

Bar chart untuk Rata-rata Pendapatan per Kapita berdasarkan Benua

# Memuat library
library(ggplot2)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

# Menghitung rata-rata Pendapatan per Kapita berdasarkan Benua
data_summary <- Data %>%
  group_by(Benua) %>%
  summarise(mean_pendapatan = mean(Pendapatan_per_kapita, na.rm = TRUE))

# Membuat bar chart untuk rata-rata Pendapatan per Kapita berdasarkan Benua
ggplot(data_summary, aes(x = Benua, y = mean_pendapatan, fill = Benua)) +
  geom_bar(stat = "identity") +
  labs(title = "Rata-rata Pendapatan per Kapita berdasarkan Benua", 
       x = "Benua", y = "Rata-rata Pendapatan per Kapita") +
  theme_classic() +
  theme(legend.position = "none") +
  scale_fill_manual(values = c("asia" = "lightblue", "africa" = "lightgreen", "europe" = "pink", "americas" = "purple"))

Tahapan pembuatan grafik:

1. Memuat Library

• library(ggplot2): Memuat pustaka ggplot2, yang digunakan untuk membuat grafik.

• library(dplyr): Memuat pustaka dplyr, yang digunakan untuk manipulasi data seperti perhitungan rata-rata.

library(ggplot2)
library(dplyr)

2. Menghitung Rata-rata Pendapatan per Kapita berdasarkan Benua

• Data %>%: Menggunakan operator pipe (%>%) untuk memproses data secara berurutan.

• group_by(Benua): Mengelompokkan data berdasarkan kolom Benua.

• summarise(mean_pendapatan = mean(Pendapatan_per_kapita, na.rm = TRUE)): Menghitung rata-rata Pendapatan per Kapita untuk setiap kelompok Benua. na.rm = TRUE berarti data yang kosong (NA) akan diabaikan dalam perhitungan rata-rata.

3. Membuat Bar Chart

• `ggplot(data_summary, aes(...)): Membuat plot dengan data yang telah dihitung rata-ratanya (data_summary).

  • x = Benua: Sumbu X diisi dengan variabel Benua.

  • y = mean_pendapatan: Sumbu Y diisi dengan nilai rata-rata pendapatan per kapita.

  • fill = Benua: Mewarnai batang berdasarkan Benua.

• geom_bar(stat = "identity"): Membuat grafik bar chart menggunakan nilai yang sudah dihitung (bukan hitungan frekuensi).

• labs(...): Menambahkan judul grafik dan label untuk sumbu X dan Y.

• theme_classic(): Menambahkan tema klasik dengan latar belakang putih dan garis sumbu yang jelas.

• theme(legend.position = "none"): Menghilangkan legenda (karena sudah tercermin dalam warna batang).

• scale_fill_manual(...): Menetapkan warna khusus untuk setiap Benua:

  • Asia: lightblue

  • Afrika: lightgreen

  • Eropa: pink

  • Amerika: purple

4. Interpretasi Grafik

Grafik ini menunjukkan rata-rata Pendapatan per Kapita untuk setiap Benua. Setiap batang menggambarkan nilai rata-rata pendapatan untuk benua tertentu, dengan warna yang berbeda untuk setiap benua. Dengan melihat grafik ini, kita dapat membandingkan seberapa besar rata-rata pendapatan per kapita antar benua.

Grafik Multivariat

Heatmap

Heatmap antara Pendapatan per kapita, Populasi, dan Angka Harapan Hidup

# Memuat library
library(ggplot2)

# Membuat heatmap antara Pendapatan_per_kapita, Populasi, dan Angka_Harapan_Hidup
ggplot(Data, aes(x = Pendapatan_per_kapita, y = Populasi, fill = Angka_Harapan_Hidup)) +
  geom_tile() +
  scale_fill_gradient(low = "lightgreen", high = "purple") +
  labs(title = "Heatmap: Pendapatan per Kapita, Populasi, dan Angka Harapan Hidup",
       x = "Pendapatan per Kapita", y = "Populasi", fill = "Angka Harapan Hidup") +
  theme_classic()

Tahapan pembuatan grafik:

1. Memuat Library

Memuat pustaka ggplot2 yang digunakan untuk visualisasi data di R.

library(ggplot2)

2. Membuat Heatmap

• ggplot(Data, aes(x = Pendapatan_per_kapita, y = Populasi, fill = Angka_Harapan_Hidup)): Mengonfigurasi data yang akan digunakan untuk grafik, yaitu Pendapatan per Kapita pada sumbu X, Populasi pada sumbu Y, dan Angka Harapan Hidup sebagai variabel yang digunakan untuk mengisi warna (fill) tile.

• geom_tile(): Fungsi untuk membuat grafik heatmap, di mana setiap kombinasi nilai Pendapatan per Kapita dan Populasi diwakili oleh sebuah kotak (tile) yang warnanya dipengaruhi oleh nilai Angka Harapan Hidup.

• scale_fill_gradient(low = "lightgreen", high = "purple"): Menentukan gradasi warna, dengan warna hijau muda untuk nilai Angka Harapan Hidup yang rendah dan ungu untuk nilai yang tinggi.

• labs(): Menambahkan judul dan label pada sumbu X dan Y, serta label untuk warna (fill), memberikan konteks tambahan pada grafik.

• theme_classic(): Menambahkan tema klasik untuk tampilan yang lebih bersih dan sederhana.

3. Interpretasi Grafik

Grafik ini menunjukkan hubungan antara Pendapatan per Kapita, Populasi, dan Angka Harapan Hidup. Warna pada heatmap menggambarkan nilai Angka Harapan Hidup, dengan warna hijau muda menunjukkan angka harapan hidup rendah dan ungu menunjukkan angka harapan hidup tinggi. Dapat dilihat apakah ada pola antara ketiga variabel tersebut, seperti apakah negara dengan pendapatan lebih tinggi cenderung memiliki angka harapan hidup yang lebih tinggi.

3D scatter plot

3D scatter plot dengan Angka Harapan Hidup, Pendapatan per kapita, dan Populasi

# Memuat library
library(plotly)

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

# Membuat 3D scatter plot dengan Angka_Harapan_Hidup, Pendapatan_per_kapita, dan Populasi
plot_ly(Data, 
        x = ~Pendapatan_per_kapita, 
        y = ~Angka_Harapan_Hidup, 
        z = ~Populasi,  # bisa diganti dengan variabel lain, misal Jumlah_Anak
        type = "scatter3d", 
        mode = "markers",
        color = ~Benua,  # Warna berdasarkan benua
        colors = c('lightgreen', 'purple', 'lightblue', 'pink'),  # Menentukan warna
        marker = list(size = 5)) %>%
  layout(title = "3D Scatter Plot: Pendapatan per Kapita, Angka Harapan Hidup, dan Populasi",
         scene = list(
           xaxis = list(title = "Pendapatan per Kapita"),
           yaxis = list(title = "Angka Harapan Hidup"),
           zaxis = list(title = "Populasi")
         ))

Tahapan pembuatan grafik:

1. Memuat Library

Memuat pustaka plotly, yang digunakan untuk membuat grafik interaktif, termasuk 3D scatter plot.

library(plotly)

2. Membuat 3D Scatter Plot

• x = ~Pendapatan_per_kapita, y = ~Angka_Harapan_Hidup, z = ~Populasi: Mengatur variabel pada sumbu X, Y, dan Z untuk grafik 3D.

• type = "scatter3d": Menggunakan tipe scatter3d untuk membuat grafik 3D.

• mode = "markers": Menampilkan titik data (marker) di grafik.

• color = ~Benua: Pewarnaan titik berdasarkan Benua untuk membedakan negara atau wilayah.

• colors = c('lightgreen', 'purple', 'lightblue', 'pink'): Menentukan warna untuk masing-masing benua.

• marker = list(size = 5): Mengatur ukuran titik data.

• layout(): Menambahkan judul dan label pada sumbu X, Y, dan Z untuk memberikan konteks.

3. Menambahkan Layout dan Pengaturan Sumbu

• layout() digunakan untuk menyesuaikan tampilan plot, seperti menambahkan judul, pengaturan sumbu, dan elemen desain lainnya.

• title = "3D Scatter Plot: Pendapatan per Kapita, Angka Harapan Hidup, dan Populasi": Menentukan judul grafik, yang memberikan informasi mengenai isi grafik.

• xaxis = list(title = "Pendapatan per Kapita"): Menentukan label untuk sumbu X, yang menunjukkan variabel *Pendapatan per Kapita.

• yaxis = list(title = "Angka Harapan Hidup"): Menentukan label untuk sumbu Y, yang menunjukkan variabel Angka Harapan Hidup.

• zaxis = list(title = "Populasi"): Menentukan label untuk sumbu Z, yang menunjukkan variabel Populasi.

4. Interpretasi Grafik

Grafik ini menunjukkan hubungan antara Pendapatan per Kapita, Angka Harapan Hidup, dan Populasi dalam format 3D. Titik data yang diwarnai berdasarkan Benua memberikan visualisasi interaktif yang memudahkan untuk melihat distribusi data pada ketiga variabel ini, serta membandingkan bagaimana masing-masing benua tersebar pada dimensi tersebut.

Grafik Interaktif

###plotly plotly scatter plot

# Memuat library plotly
library(plotly)

# Membuat plotly scatter plot
fig <- plot_ly(Data, x = ~Pendapatan_per_kapita, y = ~Angka_Harapan_Hidup, 
               type = 'scatter', mode = 'markers', 
               marker = list(color = 'rgba(255, 182, 193, .9)', size = 5)) %>%
  layout(title = "Scatter Plot Interaktif: Pendapatan per Kapita vs Angka Harapan Hidup",
         xaxis = list(title = "Pendapatan per Kapita"),
         yaxis = list(title = "Angka Harapan Hidup"))

# Menampilkan plot
fig

Tahapan pembuatan grafik:

1. Memuat Library

Memuat pustaka Plotly yang digunakan untuk membuat visualisasi interaktif di R. Plotly memungkinkan kita membuat grafik yang bisa diinteraksikan, seperti zooming, hover info, dan lainnya.

library(plotly)

2. Membuat Scatter Plot

• plot_ly() adalah fungsi utama dari Plotly untuk membuat grafik. Di sini, `plot_ly() digunakan untuk membuat scatter plot dengan data yang diambil dari variabel Data.

• Data: Ini adalah data frame yang berisi variabel-variabel yang ingin dipetakan ke grafik.

• x = ~Pendapatan_per_kapita: Menentukan bahwa sumbu X akan menampilkan data dari variabel Pendapatan_per_kapita.

• y = ~Angka_Harapan_Hidup: Menentukan bahwa sumbu Y akan menampilkan data dari variabel Angka_Harapan_Hidup.

• type = 'scatter': Menentukan jenis grafik yang digunakan adalah scatter plot, yang menggambarkan hubungan dua variabel.

• mode = 'markers': Menggunakan mode ‘markers’ yang berarti setiap data poin akan digambarkan sebagai titik-titik (bukan garis).

• marker = list(color = 'rgba(255, 182, 193, .9)', size = 5): Menentukan gaya visual dari titik data. Di sini, titik data akan memiliki warna pink muda (rgba(255, 182, 193, .9)) dan ukuran 5.

3. Menambahkan Layout dan Pengaturan Sumbu

• layout() digunakan untuk menyesuaikan tampilan plot, seperti judul dan label sumbu.

• title = "Scatter Plot Interaktif: Pendapatan per Kapita vs Angka Harapan Hidup": Menentukan judul grafik.

• xaxis = list(title = "Pendapatan per Kapita"): Menentukan label untuk sumbu X.

• yaxis = list(title = "Angka Harapan Hidup"): Menentukan label untuk sumbu Y.

4. Menampilkan Grafik

Di sini, fig adalah objek yang menyimpan plot yang sudah dibuat. Dengan mengetikkan fig atau menggunakan fungsi print(), plot tersebut akan ditampilkan di output.

5. Interpretasi Grafik

Grafik ini menunjukkan hubungan antara Pendapatan per Kapita dan Angka Harapan Hidup. Titik data menggambarkan negara atau entitas, dengan sumbu X menunjukkan pendapatan dan sumbu Y menunjukkan angka harapan hidup. Secara umum, negara dengan pendapatan lebih tinggi cenderung memiliki angka harapan hidup yang lebih tinggi. Grafik ini interaktif, memungkinkan zoom dan hover untuk melihat nilai spesifik dari setiap titik.

Kesimpulan

1. Distribusi Pendapatan per Kapita

Histogram menunjukkan bahwa mayoritas data terpusat pada pendapatan per kapita yang lebih rendah, dengan hanya sedikit data pada kisaran pendapatan lebih tinggi, mengindikasikan bahwa banyak negara dalam dataset memiliki pendapatan rendah.

2. Hubungan antara Pendapatan per Kapita dan Angka Harapan Hidup

Scatter plot menunjukkan kecenderungan positif antara pendapatan per kapita dan angka harapan hidup, dimana negara dengan pendapatan lebih tinggi umumnya memiliki angka harapan hidup yang lebih tinggi.

3. Rata-rata Pendapatan per Kapita Berdasarkan Benua

Bar chart memperlihatkan bahwa Eropa dan Amerika memiliki rata-rata pendapatan per kapita yang jauh lebih tinggi dibandingkan dengan Asia dan Afrika, menunjukkan ketimpangan ekonomi antar benua.

4. Hubungan antara Pendapatan per Kapita, Populasi, dan Angka Harapan Hidup

Heatmap menunjukkan bahwa negara dengan pendapatan per kapita yang lebih tinggi cenderung memiliki angka harapan hidup yang lebih baik, meskipun populasi yang lebih besar tidak selalu berhubungan dengan peningkatan angka harapan hidup.

5. 3D Scatter Plot

Grafik 3D menggambarkan hubungan yang kompleks antara Pendapatan per Kapita, Angka Harapan Hidup, dan Populasi, dengan negara berpendapatan tinggi cenderung memiliki angka harapan hidup yang lebih baik.

6. Grafik Interaktif

Scatter plot interaktif memungkinkan eksplorasi lebih lanjut dan pemahaman yang lebih baik mengenai hubungan antara Pendapatan per Kapita dan Angka Harapan Hidup dengan fitur interaktif seperti zooming dan hover info.